出品｜虎嗅科技組

作者｜SnowyM

編輯｜陳伊凡

頭圖｜AI生成

“AI原生100”是虎嗅科技組推出針對AI原生創(chuàng)新欄目，這是本系列的第「16」篇文章。

這是一個在生成式AI時期才會出現(xiàn)的場景。

在美國，一位醫(yī)生推開診室大門的同時，手機屏幕上彈出的不是郵件提醒，而是一款叫做OpenEvidence的醫(yī)療AI應用。

如今，單美國就有10萬執(zhí)業(yè)醫(yī)生每天都在用這款產(chǎn)品，這一數(shù)據(jù)在高度保守、工作節(jié)奏緊繃、數(shù)字化滲透率低的醫(yī)療行業(yè)前所未有。而更令人意想不到的是，也就在一年多前，這款產(chǎn)品的用戶數(shù)只有幾千。

其月咨詢量增長速度之快，讓 GV （原 Google Ventures）合伙人直言：“這是我們見過增長最快的科技應用之一?！?/p>

OpenEvidence解決了什么問題？

醫(yī)療界知識更新太快，Nature研究表明，醫(yī)學知識每73天就能翻一倍，而每次出現(xiàn)的病例都千奇百怪，醫(yī)生往往需要在網(wǎng)上搜索相似病例和解決方法，這個過程冗長且準確性不穩(wěn)定。

OpenEvidence將這些龐雜且更新迅速的醫(yī)學知識裝進Agent當中，讓醫(yī)生可以快速找到最新、最準確的醫(yī)學證據(jù)。

創(chuàng)始人Daniel Nadler被稱為“十年一遇的傳奇創(chuàng)業(yè)者”。

前一次創(chuàng)業(yè)，他把金融AI公司Kensho以約 5.5 億美元賣給標普全球；二次創(chuàng)業(yè)，他用自己的1000萬美元資金起步，讓OpenEvidence在短短三年內(nèi)達到35億美元估值。

另外，在銷售上，OpenEvidence走了一個完全不同于醫(yī)療行業(yè)的銷售模式。他們非常大膽的繞過傳統(tǒng)醫(yī)療軟件依賴醫(yī)院復雜采購流程的路徑，直接面向醫(yī)生個人免費提供服務，打破了醫(yī)療軟件B2B銷售的桎梏，實現(xiàn)了類似消費互聯(lián)網(wǎng)的病毒式傳播。另外，他們還大膽嘗試了廣告變現(xiàn)模式，將制藥企業(yè)、醫(yī)療器械廠商的廣告預算從傳統(tǒng)醫(yī)藥代表轉(zhuǎn)向 AI 平臺的精準投放。

硅谷風投機構(gòu)UpHonest投研團隊分析了OpenEvidence的模式對于創(chuàng)業(yè)者的啟發(fā)和參考，首先是專業(yè)化勝過泛化，在垂直領(lǐng)域做深做透，而非追求大而全；其次，PLG（產(chǎn)品驅(qū)動增長）產(chǎn)品質(zhì)量驅(qū)動增長策略，繞過傳統(tǒng) B2B 銷售的復雜流程；場景化變現(xiàn)，將用戶的專業(yè)決策場景轉(zhuǎn)化為高價值的廣告投放場景。

讓醫(yī)生每天都用的醫(yī)療“ChatGPT”

讓10萬名醫(yī)生在短時間內(nèi)開始每天使用一款新的AI產(chǎn)品，非常不尋常。

UpHonest投研團隊表示，OpenEvidence是一個在垂類AI搜索上的典型案例。搜索這件事，在AI時代變得更加碎片化，未來每個人可能會有自己的AI搜索引擎，全新的生成式AI搜索引擎將緊密契合目標用戶的“心智模式”，投資人、律師、醫(yī)生的思維模式各不相同，信息獲取模式、目的和決策思維各有差異，這些不同和差異就是生成式AI搜索引擎創(chuàng)新的機會。

OpenEvidence一經(jīng)推出，就被稱為“繼iPhone后在醫(yī)生群體中傳播最快的技術(shù)工具”。目前已有超過43萬名醫(yī)生注冊，覆蓋全美40%以上的執(zhí)業(yè)醫(yī)師，每月新增6.5萬名用戶。

OpenEvidence的使用頻率同樣亮眼：2024年7月平臺月處理約36萬次咨詢，到2025年7月已激增至每日35萬次，相當于月處理超過850萬次臨床咨詢。

OpenEvidence定位為臨床決策支持平臺，核心是AI驅(qū)動的醫(yī)學搜索引擎。

平臺提供手機App和網(wǎng)頁版，專供經(jīng)過驗證的持證醫(yī)師使用。公司的使命是“組織并擴大全世界的醫(yī)學知識”，幫助臨床醫(yī)生在診療現(xiàn)場快速獲取最新、最相關(guān)的循證醫(yī)學信息。

用戶主要是臨床醫(yī)生，包括?？漆t(yī)生、全科醫(yī)生、住院醫(yī)師等，也有部分護士、藥師等醫(yī)護人員。目前重點面向美國持證執(zhí)業(yè)者，需要資質(zhì)驗證注冊。

醫(yī)生群體工作繁忙、時間寶貴，對信息準確性要求極高——OpenEvidence正是瞄準了這一痛點。使用者不乏梅奧、哈佛醫(yī)學院、Cedars-Sinai等知名醫(yī)療機構(gòu)的專家。

OpenEvidence的搜索界面

平臺的核心功能包括智能搜索與即時問答。醫(yī)生用日常語言提問臨床問題，幾秒內(nèi)就能得到簡明答案，并附有權(quán)威出處引用，比如《新英格蘭醫(yī)學雜志》的原文鏈接，搜索平均耗時僅5-10秒，例如詢問"某新藥在孕婦中的療效"，系統(tǒng)會從海量文獻中提煉答案，給出具體研究數(shù)據(jù)和對照結(jié)果。相比通用ChatGPT的籠統(tǒng)回答，OpenEvidence能夠提供更精確且有依據(jù)的解答。

OpenEvidence已融入臨床工作的多個環(huán)節(jié)。在臨床一線，當醫(yī)生遇到疑難問題或需要確認最新指南時，可直接用手機詢問，大大減少翻閱文獻的時間。對于疑似診斷或用藥選擇，醫(yī)生可將其作為"第二意見"，驗證自己的想法是否符合最新證據(jù)。

2025年他們推出了 Agent 功能 DeepConsult。這個被稱為"數(shù)字博士研讀助手"的AI Agent，能自主檢索并分析上百篇相關(guān)研究，將平時需要人工數(shù)月綜述的主題，在數(shù)小時內(nèi)生成綜合研究報告發(fā)送給醫(yī)生。盡管每次調(diào)用的計算成本是普通搜索的100倍以上，OpenEvidence仍然免費向美國認證醫(yī)生開放這一功能。

平臺還集成了多媒體醫(yī)學內(nèi)容，通過與頂級期刊合作，可以呈現(xiàn)臨床圖片、圖表等研究數(shù)據(jù)可視化結(jié)果，讓醫(yī)生更直觀地理解證據(jù)。

創(chuàng)始人Nadler表示，很多醫(yī)生會用它來查找那些自己一輩子可能只遇到一兩次的病例。

專注小模型，通過不聯(lián)網(wǎng)和專業(yè)數(shù)據(jù)減少幻覺

一直以來，由于醫(yī)療領(lǐng)域的問題門檻很高，傳統(tǒng)基礎模型大廠或是互聯(lián)網(wǎng)公司做的醫(yī)療AI相關(guān)產(chǎn)品幾乎都以失敗告終，因為AI始終解決不了幻覺問題。

2023年，一篇《我們還需要臨床語言模型嗎？》的預印本文章發(fā)在了ArXiv上。在這篇論文里，他們發(fā)現(xiàn)僅 3 億參數(shù)的臨床模型（如 GatorTron、BioClinRoBERTa）能夠超越 30 億參數(shù)甚至1750 億參數(shù)的模型，能夠保持更好的性能以及安全合規(guī)性。

為了減少幻覺，OpenEvidence不聯(lián)網(wǎng)，而是大規(guī)模采用美國FDA、CDC發(fā)布的免費權(quán)威信息，以及同行評審的醫(yī)學文獻。

OpenEvidence加入了梅奧診所（年營收120億美元的美國超級醫(yī)療綜合體，在 《新聞周刊》 的“全球最佳醫(yī)院”排行榜上，七年蟬聯(lián)第一）的孵化項目。

值得一提的是，OpenEvidence的AI系統(tǒng)在2025年創(chuàng)造歷史，成為首個在美國醫(yī)師執(zhí)照考試(USMLE)上取得滿分100%成績的AI，而這個考試普遍被認為是“全球最難的執(zhí)照考試之一”，大多數(shù)考生需要 1–2 年系統(tǒng)準備，如果把USMLE三個階段都考完，知識量大概等于把一本《Robbins 病理學》、《Katzung 藥理學》、《First Aid》吃透，然后隨時能將書中知識整合應用，隨時待命。

在2023年為期20周的加速器中，公司利用梅奧提供的匿名化臨床數(shù)據(jù)和專家指導，不斷優(yōu)化AI模型的準確性。梅奧診所也因此獲得了公司小部分股權(quán)，成為早期支持者。2023年7月，OpenEvidence作為第三批畢業(yè)團隊，在演示日成功亮相。

OpenEvidence 是目前唯一一個完整訓練了《新英格蘭醫(yī)學雜志》全文的 AI 產(chǎn)品。《新英格蘭醫(yī)學雜志》編輯委員會里的幾位重量級人物本身就是 OpenEvidence 的深度用戶，他們希望自己常用的工具里能包含他們的內(nèi)容。OpenEvidence 是目前唯一一個完整訓練了《新英格蘭醫(yī)學雜志》全文的 AI 產(chǎn)品。

Nadler還充分利用人脈資源，與美國醫(yī)學會和頂尖醫(yī)學期刊建立合作，確保數(shù)據(jù)來源權(quán)威可信。他招攬了一支豪華團隊：多名哈佛、麻省理工博士和工程師，以及眾多醫(yī)療專家擔任顧問。連已故諾獎得主、行為科學先驅(qū)Daniel Kahneman生前也曾作為OpenEvidence的顧問支持這一愿景。2025年，Nadler因OpenEvidence的影響力入選TIME100 Health全球健康領(lǐng)域百大人物。

在用這些數(shù)據(jù)做訓練的同時，OpenEvidence的業(yè)務表現(xiàn)越來越好，口口相傳，吸引了越來越多的美國醫(yī)生使用?！缎掠⒏裉m醫(yī)學雜志》在內(nèi)的一批機構(gòu)也開始“上門聯(lián)系”，最終讓OpenEvidence拿到了非免費高質(zhì)量數(shù)據(jù)源。

創(chuàng)始人Nadler表示，和《新英格蘭醫(yī)學雜志》的合作水到渠成，因為雜志社的核心成員也用OpenEvidence。

“如果我們采取傳統(tǒng)的企業(yè) SaaS 推廣模式，比如先花很長時間去談醫(yī)院的大規(guī)模合作，等著參加第 17 次會議，還沒用戶使用，那《新英格蘭醫(yī)學雜志》的人也不會接觸到這個產(chǎn)品，更談不上喜歡上它。最終，我們也不會有這個機會達成合作?！盢adler說。

這種“免費權(quán)威數(shù)據(jù)-促進業(yè)務-獲取聲量-非免費高質(zhì)數(shù)據(jù)”的發(fā)展流程，讓他們最終成功獲取了飛輪效應。越用越好，越好越專業(yè)，整個OpenEvidence開始加速改善整個AI產(chǎn)品。

OpenEvidence 也有很強的人才儲備，創(chuàng)始人Nadler表示他們已經(jīng)組建了一支博士級別的科學家團隊，在這個團隊里有哈佛計算機科學家的聯(lián)合創(chuàng)始人Zachary Ziegler，來自MIT的Evan Hernandez、Eric Lehman。這些或是師從頂級自然語言處理領(lǐng)軍科學家或出身全美頂級實驗室的人才。

獨特的商業(yè)模式

Nadler表示，Evidence的含義是經(jīng)過同行評議的醫(yī)學文獻，Open的意義是，我們直接觸達醫(yī)生，而不是讓醫(yī)院管理層或其他人來做中間商。這點直指OpenEvidence的營銷和商業(yè)模式。更重要的一點，“Open”還代表醫(yī)療信息的公平。

Nadler表示，在美國的醫(yī)療體系里，資源分配非常不均衡，有錢的醫(yī)院可以買到所有最先進的工具，甚至有預算去試用各種軟件，但是，在一些經(jīng)濟條件較差的城市，很多醫(yī)生其實是私人執(zhí)業(yè)，或者是在小型診所里工作，比如不到 10 人的團隊，這類醫(yī)院的醫(yī)生沒有龐大的科技預算，更別提像大學那種基金會支持，也根本負擔不起每年 1 萬、2 萬美元的軟件訂閱費。

針對這種鴻溝，OpenEvidence目前采用"免費增值+廣告"的商業(yè)模式，就像早期的谷歌一樣先占領(lǐng)市場再賺錢。

他們把醫(yī)生作為消費者，而不是面向醫(yī)療機構(gòu)收錢。平臺對經(jīng)過驗證的醫(yī)生完全免費開放使用，無需個人或醫(yī)院付費。這種策略大幅降低了醫(yī)生使用門檻，使其能夠快速積累龐大用戶基礎。正如Kleiner Perkins董事長John Doerr所評價：“對醫(yī)生免費的模式是這里的魔力所在”。通過免費提供高價值服務，OpenEvidence在醫(yī)生群體中建立起粘性和網(wǎng)絡效應，一定程度上形成了行業(yè)標準。這與早期谷歌用免費搜索占領(lǐng)市場的思路類似。

在擁有大量專業(yè)用戶和高頻使用場景后，OpenEvidence 開始引入廣告模式。其做法與搜索引擎類似，在醫(yī)生查詢結(jié)果或界面中展示精準的推廣信息。廣告客戶包括制藥公司、醫(yī)學會議主辦方、醫(yī)療器械廠商等，希望精準觸達醫(yī)生群體的機構(gòu)。截至 2025 年中，公司披露其廣告收入年化約為 5000 萬美元。

不過，很明顯，當前OpenEvidence的廣告形式還是比較克制，未來隨著用戶規(guī)模增長，這一數(shù)字有望持續(xù)提升。

值得注意的是，醫(yī)療行業(yè)對廣告和商業(yè)化行為有嚴格規(guī)范。OpenEvidence 聲稱將借鑒谷歌“區(qū)分廣告與有機結(jié)果”的做法，保證醫(yī)生對查詢結(jié)果的信任不受影響。

UpHonest投研團隊如此分析這家公司的商業(yè)模式，OpenEvidence 非常大膽的繞過傳統(tǒng)醫(yī)療軟件依賴醫(yī)院復雜采購流程的路徑，直接面向醫(yī)生個人免費提供服務，打破了醫(yī)療軟件B2B銷售的桎梏，實現(xiàn)了類似消費互聯(lián)網(wǎng)的病毒式傳播。又大膽嘗試了廣告變現(xiàn)模式，將制藥企業(yè)、醫(yī)療器械廠商的廣告預算從傳統(tǒng)醫(yī)藥代表轉(zhuǎn)向 AI 平臺的精準投放。

創(chuàng)始人：從創(chuàng)立之初我就知道OpenEvidence會獲得巨大成功

OpenEvidence由兩位哈佛校友Daniel Nadler和Zachary Ziegler聯(lián)手打造。

Nadler是位連續(xù)創(chuàng)業(yè)者，曾在哈佛讀博期間創(chuàng)辦金融AI公司Kensho，2018年以約5.5億美元賣給標普全球，這段經(jīng)歷讓他既有了資本也積累了聲望。搭檔Ziegler則是哈佛博士候選人，師從知名AI學者Alexander Rush，在自然語言處理方面功底深厚。一個懂商業(yè)，一個懂AI，配合默契。

Daniel Nadler 登上福布斯

Nadler創(chuàng)業(yè)的初衷源于對醫(yī)療信息爆炸的深刻感受。他形容現(xiàn)在這個時代：生物醫(yī)藥正值黃金期，新藥新療法不斷涌現(xiàn)，但對臨床醫(yī)生來說卻像進入了“黑暗時代”——每天面對海量文獻，身心俱疲。“醫(yī)生面對噴涌而出的醫(yī)學研究，如同迎著高壓水龍帶喝水”，最新研究每30秒就有一篇發(fā)表，醫(yī)生要在看診20名患者的同時還要跟上最新進展，幾乎不可能完成。這種痛點讓Nadler意識到，人腦的閱讀極限無法應對數(shù)百萬研究，但是AI可以。

2021年11月，Nadler著手創(chuàng)建OpenEvidence。作為二次創(chuàng)業(yè)者，他非常自信，決定自掏腰包啟動項目，換取更大的長期回報。他對周圍人說："也許我這輩子最聰明的決定就是用自己的錢押注自己?！?/p>

從2021年成立至今，OpenEvidence已經(jīng)完成了融資之路：創(chuàng)始人Daniel Nadler最初自掏腰包投入1000萬美元，隨后在2022年底拿到2700萬美元融資；2025年初A輪融資7500萬美元，紅杉資本領(lǐng)投，讓公司估值達到10億美元；幾個月后B輪融資2.1億美元更是將估值推高到35億美元。谷歌風投、紅杉資本、Kleiner Perkins等頂級機構(gòu)紛紛下注。

OpenEvidence的融資歷程

臨床醫(yī)療領(lǐng)域的競爭

如果認為OpenEvidence單純地踩中了醫(yī)療AI的痛點，才獲得了這樣的成功，無疑是片面的。因為，如果談及醫(yī)療AI，行業(yè)內(nèi)人士一般都會舉出一個“反面案例”——IBM的Waston。

IBM旗下WatsonHealth一度被譽為醫(yī)療AI的未來和答案。然而由于技術(shù)局限和過度營銷，IBMWatson在腫瘤輔助決策等項目上表現(xiàn)不佳，最終于2022年將Watson Health業(yè)務拆分賣出，宣告了這場投入數(shù)十億美元計劃的“崩塌”。IBMWatson的失敗為行業(yè)敲響警鐘：單靠巨資投入和大公司光環(huán)并不能保證醫(yī)療AI成功，技術(shù)落地和實用效果才是關(guān)鍵。

OpenEvidence的快速成長某種程度上站在了“后Watson時代”的風口，在技術(shù)成熟度和應用切入點上更具優(yōu)勢。巨頭雖有資源，但在專業(yè)醫(yī)療領(lǐng)域不見得輕易碾壓初創(chuàng)——靈活專注的創(chuàng)新者有機會彎道超車。不過，這也給OpenEvidence一個警示：如果在擴張中忽視了質(zhì)量和安全，透支了醫(yī)生信任，則可能重蹈昔日Watson的覆轍，成為一場高開低走的泡沫。

在臨床醫(yī)療AI領(lǐng)域，一些AI初創(chuàng)企業(yè)正在嶄露頭角，成為OpenEvidence的潛在競爭者。準確和豐富的數(shù)據(jù)，是這類公司競爭的關(guān)鍵。

雖然不像OpenEvidence那樣專心于LLM+RAG，但同為臨床醫(yī)療參考工具的DynaMed 仍值得一提，這款工具的主要技術(shù)在于RAG（一種AI框架：檢索增強生成），并且在今年被評為“即時臨床決策支持：現(xiàn)場疾病參考”的 Best in KLAS 工具（近五年第四次斬獲）。其最新的生成式 AI 功能 “Dyna?AI” 進一步提升了查證與信息獲取速度。作為知識型決策工具，DynaMed 同樣堅持使用經(jīng)同行評議的醫(yī)學文獻，確保內(nèi)容準確度。

另一家成立于2023年的明星創(chuàng)業(yè)公司HippocraticAI，其專注開發(fā)“注重安全”的醫(yī)療大語言模型。HippocraticAI著重通過各種醫(yī)療考試認證，其模型已通過100多項醫(yī)療專業(yè)測評，并針對醫(yī)療場景進行了額外訓練。

本文來自虎嗅，原文鏈接：https://www.huxiu.com/article/4738802.html?f=wyxwapp